Makine öğrenmesi sınıflandırma yöntemleri ilehematoloji hastalıklarından demir eksikliği anemisininerken teşhis edilmesi
Iron deficiency anemia from hematological diseases with machine learning classification methodsearly diagnosis
- Tez No: 696103
- Danışmanlar: DOÇ. DR. EROL TERZİ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Demir eksikliği anemisi (DEA) dünyada yaygın olarak görülen bir anemi türüdür. DEA tanısı, birçok tıbbi muayene bulguları, tahlil ve tetkikler sonucunda ortaya konulmaktadır. DEA tanısı ve dışında kalan hastaların ayırımı önemli bir konudur. Bunun için bilinen yöntemlerin dışında yeni yöntemlere de ihtiyaç duyulmaktadır. Veri bilimi, yapay zekâ ve makine öğrenimi yöntemleri hekimlerin daha hızlı, daha doğru ve daha güvenilir kararlar verebilmeleri için kullanılmaktadır. Bunlar genellikle bilgisayar desteği ve veri madenciliği teknikleri kullanılarak elde edilen verileri, çok daha hızlı ve güvenilir bir şekilde işleyerek sınıflandırabilmektedir. Günümüzde en çok tercih edilen veri madenciliği sınıflandırıcıları arasında yapay sinir ağları (YSA), destek vektör makinesi (DVM), k-en yakın komşuluk (k-EK) ve karar ağacı (KA) algoritmaları yer almaktadır. Bu dört algoritmanın sonuçlarının karşılaştırılması için Weka 3.8 yazılımı kullanılmıştır.
Özet (Çeviri)
Iron deficiency anemia (IDA) is a common form of anemia in the world. The diagnosis of IDA is made as a result of many medical examination findings, tests and examinations. IDA diagnosis and distinction of patients outside of it is an important issue. For this, new methods are needed in addition to the known methods. In this study, data science, artificial intelligence and machine learning methods are used in order for physicians to make faster, more accurate and more reliable decisions. These are generally able to classify the data obtained using computer support and data mining techniques by processing it much faster and reliably. Among the most preferred data mining classifiers today are artificial neural network (ANN), support vector machine (SVM), k-nearest neighbor (k-NN) and decision tree (DT) algorithms. Weka 3.8 software was used to compare the results of these four algorithms.
Benzer Tezler
- Akut lösemilerin yüzeyde zenginleştirilmiş raman spektrometresi ile incelenmesi
Investigation of acute leukemias via surface enhanced raman spectrometer
FATİH ÖKTEM
Tıpta Uzmanlık
Türkçe
2023
HematolojiErciyes Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. MUZAFFER KEKLİK
- Makine öğrenmesi sınıflandırma yöntemleri ile meme kanserinin erken teşhisi
Early diagnosis of breast cancer with machine learning classification methods
MELİHA NUR DURAK
Yüksek Lisans
Türkçe
2017
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. İBRAHİM DEMİR
- Makine öğrenmesi yöntemleri kullanılarak FPGA tabanlı gerçek zamanlı yeni bir trafik sınıflandırma mimarisi tasarımı
Designing a novel FPGA-based real-time traffic classification engine using machine learning techniques
TUNCAY SOYLU
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiTrakya ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
DOÇ. DR. OĞUZHAN ERDEM
- Makine öğrenmesi yöntemleri ile vakıf üniversiteleri doluluk tahminlemesi
Foundation universities occupancy estimation through machine learning methods
TUĞBA KIRAL ÖZKAN
- Denetimli makine öğrenmesi yöntemleri ile gebelerde anemi ve anemi ile ilişkili faktörlerin tespiti
Determination of anemia and anemia related factors in pregnant women with supervised machine learning methods
RÜVEYDA YILDIRIM
Yüksek Lisans
Türkçe
2022
BiyoistatistikFırat ÜniversitesiBiyoistatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ONUR KAYA